Epub基础知识介绍

2022-10-09 17:32:25

转载自：http://www.cnblogs.com/linlf03/archive/2011/12/13/2286218.html

一、什么是epub

epub是一个完全开放和免费的电子书标准。它可以“自动重新编排”的内容。

Epub文件后缀名：.epub

二、 epub组成

Epub内部使用XHTML（或者DTBook）来展现文件的内容；用一系列css来定义格式和版面设计；然后把所有的文件压缩成zip包。

Epub格式中包含了DRM相关功能（目前epub引擎暂时不考虑drm相关信息）

EPub包括三项主要规格：

开放出版结构（Open Publication Structure，OPS）2.0，以定义内容的版面；

开放包裹格式（Open Packaging Format，OPF）2.0，定义以XML为基础的.epub档案结构； OEBPS容纳格式（OEBPS Container Format，OCF）1.0，将所有相关文件收集至ZIP压缩档案之中。

1. OPS：

用XHTML（或者DTBook）来构筑书的内容。

用一系列css来定义书的格式和版面设计。

支持 png、jpeg、gif、svg的图片格式。

2. OPF：

OPF 文件是 EPUB 规范中最复杂的元数据。它用来定义ops一系列内容组合到一起的机制，并为ebook提供了一些额外的结构和内容。Opf包含四个子元素：metadata, manifest, spine, guide。在OEBPS中的opf包含两个XML： .opf和.ncx

（一）.opf

OPF包括以下内容：

1）metadata：epub的元数据，如title、language、identifier、cover等。其中，title 和 identifier这两个数据是必须的。

按照EPUB规范，identifier由数字图书的创建者定义，必须唯一。对于图书出版商来说，这个字段一般包括ISBN或者Library of Congress编号；也可以使用URL或者随机生成的唯一用户ID。注意：unique-identifier 的值必须和 dc:identifier 元素的 ID 属性匹配。

2）manifest：列出了package中所包含的所有文件（xhtml、css、png、ncx等）。EPUB 鼓励使用 CSS 设定图书内容的样式，因此 manifest 中也包含 CSS。注意：进入数字图书的所有文件都必须在 manifest 中列出。

3）spine：所有xhtml文档的线性阅读顺序。其中，spine的TOC属性必须包含在manifest列出来的.ncx的id。可以将 OPF spine 理解为是书中 “页面” 的顺序，解析的时候按照文档顺序从上到下依次读取 spine。

在spine中的每个 itemref 元素都需要有一个 idref 属性，这个属性和 manifest 中的某个 ID 匹配。

spine 中的 linear 属性表明该项是作为线性阅读顺序中的一项，还是和先后次序无关。有些阅读器可以将spine中linear=no的项作为辅助选项处理，有些阅读器则选择忽略这个属性。例如在下边的实例中，支持辅助选项处理的阅读器会依次列出titlepage、chapter01、chapter05，chapter02、chapter03、chapter04只在点击到（或者其他开启动作）之后才会显示。

但是对于支持打印的阅读器，需要忽略linear=no的属性，保证能够最完全的展示ops中的内容。

好的阅读器需要同时提供两种选择给用户。

（二）.ncx

NCX 定义了数字图书的目录表。复杂的图书中，目录表通常采用层次结构，包括嵌套的内容、章和节。包含了TOC（tablet of content,提供了分段的一些信息）。

NCX的 <head> 标记中包含四个 meta 元素：

uid：数字图书的惟一 ID。该元素应该和 OPF 文件中的 dc:identifier 对应。
depth：反映目录表中层次的深度。
totalPageCount 和 maxPageNumber：仅用于纸质图书，保留 0 即可。

docTitle/text 的内容是图书的标题，和 OPF 中的 dc:title 匹配。

navMap 是 NCX 文件中最重要的部分，定义了图书的目录。navMap 包含一个或多个 navPoint 元素，每个 navPoint 都要包含下列元素：

playOrder：说明文档的阅读顺序。和 OPF spine 中 itemref 元素的顺序相同。
navLabel/text ：给出该章节的标题。通常是章的标题或者数字。
content ：它的 src 属性指向包含这些内容的物理资源。就是 OPF manifest 中声明的文件。
还可以有一个或多个 navPoint 元素。NCX 使用嵌套的导航点表示层次结构的文档

（三）NCX 和 OPF spine 有什么不同？

两者很容易混淆，因为两个文件都描述了文档的顺序和内容。要说明两者的区别，最简单的办法就是拿印刷书来打比方：OPF spine 描述了书中的各个章节是如何实际连接起来的，比方说翻过第一章的最后一页就看到第二章的第一页。NCX 在图书的一开始描述了目录，目录肯定会包含书中主要的章节，但是还可能包含没有单独分页的小节。

一条法则是 NCX 包含的 navPoint 元素通常比 OPF spine 中的 itemref 元素多。实际上，spine 中的所有项都会出现在 NCX 中，但 NCX 可能更详细。

3. OCF：

OCF定义了文件是如何被打包成ZIP的，并且有两个额外的信息：

1）ASCII格式的mimetype文件。该文件必须包含application/epub+zip字符串，并且是ZIP压缩包的第一个文件。Mimetype要求是非压缩格式。

2）一个命名为META-INF的文件夹。这个文件夹中需要包含container.xml文件

4. Drm——需要在META-INF文件夹中包含rights.xml

总结起来，一个epub电子书的zip包含以下东西：

1、mimetype 文件，必须是压缩包的第一个文件。注意，Mimetype必须是非压缩格式。

2、meta-inf目录，里面至少包含一个container.xml 文件。

3、OEBPS目录（可以是别的名字，但建议用这个名字），包含了：

a) image子目录（不一定总有）存放了所有的图片文件

b) content.opf 文件名可以是其它的，扩展名一定是opf，就是一个xml格式的包内的文件列表